[发明专利]一种语义识别方法、装置、设备及介质

说明书

本发明公开了一种语义识别方法、装置、设备及介质，用以解决现有没有考虑槽位填充和意图识别之间的相关性，从而使意图识别和槽位填充结果的准确率低的问题。由于本发明实施例中在确定待识别文本的语义识别结果的过程中，确定了第一特征矩阵对应的交互门矩阵，其中，该第一特征矩阵包括意图表示特征矩阵，和/或槽位表示特征矩阵，并基于该第一特征矩阵对应的交互门矩阵，来确定相互关联的目标意图和目标槽位，从而提高了确定的目标意图，和/或目标槽位的准确率，有利于准确地确定待识别文本的语义识别结果。

技术领域

本发明涉及语音识别技术领域，尤其涉及一种语义识别方法、装置、设备及介质。

背景技术

随着互联网技术的发展，使用语音进行人机交互的智能设备越来越多，人们通过语音与智能设备进行交互，从而实现订购机票，查询信息、聊天等功能，解放了人们的双手，为人们的生活带来了许多便捷。因此，人们对语音人机交互技术的要求也越来越高，智能设备如何理解人们输入的语音也成为人们日益关注的问题。

现有技术中，智能设备采集到语音信息后，将该语音信息转化成对应的待识别文本，并通过自然语言理解(Natural Language Understanding，NLU)模型识别该文本的语义，该NLU模型可以实现的功能主要包括：槽位填充以及意图识别。图1为现有语义识别流程示意图，如图1所示，NLU模型在实现意图识别时，待识别文本输入到该NLU模型后，通过NLU模型中的共享表示特征矩阵识别层中的字符嵌入网络，确定由待识别文本中的每个字符的元素向量组合成的元素矩阵，并通过共享编码器，确定该元素矩阵的共享表示特征矩阵(Shared representation of intent and slot)；通过NLU模型中意图输出层的长短期记忆网络，确定共享表示特征矩阵的意图表示特征矩阵(intent representation)；通过NLU模型中的意图输出层，对该意图表示特征矩阵进行最大池化等处理后，确定该意图表示特征矩阵的目标意图。而NLU模型在实现槽位填充时，在上述确定共享表示特征矩阵之后，通过NLU模型的槽位输出层中的条件随机场，确定共享表示特征矩阵的目标槽位。根据获取到目标意图以及目标槽位，确定待识别文本的语义识别结果。

由于意图识别和槽位填充之间有很强的相关性，目标槽位和目标意图的确定过程会相互依赖，而现有的基于该NLU模型确定目标槽位以及目标意图的过程中，槽位填充和意图识别均是分别确定的，使意图识别和槽位填充结果的准确率低。

发明内容

本发明实施例提供了一种语义识别方法、装置、设备及介质，用以解决现有没有考虑槽位填充和意图识别之间的相关性，从而使意图识别和槽位填充结果的准确率低的问题。

本发明实施例还提供了一种语义识别方法，所述方法包括：

确定待识别文本的共享表示特征矩阵；

根据所述共享表示特征矩阵，分别确定所述待识别文本对应的意图表示特征矩阵和槽位表示特征矩阵；

确定第一特征矩阵对应的交互门矩阵，其中，所述第一特征矩阵包括意图表示特征矩阵，和/或槽位表示特征矩阵；

根据所述第一特征矩阵及所述第一特征矩阵对应的交互门矩阵，确定第一目标特征矩阵；

根据所述第一目标特征矩阵，确定目标意图和目标槽位；

根据所述目标意图和所述目标槽位，确定所述待识别文本的语义识别结果。

本发明实施例还提供了一种语义识别装置，所述装置包括：

第一确定模块，用于确定待识别文本的共享表示特征矩阵；

第二确定模块，用于根据所述共享表示特征矩阵，分别确定所述待识别文本对应的意图表示特征矩阵和槽位表示特征矩阵；